1️⃣ Opus 5.5（xhigh）得分 57，超过 Sonnet 5.5（max）的 55，同时单任务成本降低约 40%，完成时间缩短近一半。
2️⃣ Fable 5.2（high）的表现超过 Opus 5.5（max），而 Fable 5.2（low）甚至超过 Opus 5.5（high）。
但这并不意味着模型越大越便宜。在最入门的 Haiku 档位，提高模型等级反而会增加成本。
这组数据带来一个重要启示：
不要只看 Token 价格，也不要盲目拉满推理档位。真正应该比较的是完成同一项任务的总成本、耗时和成功率。
对于 AI Coding 和 Agent 工作流，选择更强的模型，以更少的重试和工具调用完成任务，可能比让小模型反复进行高强度推理更加经济。
当然，长时间、多步骤的 Agent 任务是否也遵循这一规律，还需要进一步实测。
明确这组测试的比较结论统一模型名称与测试档位表述补充更具体的互动结尾